新疆焉耆盆地地表温度空间分布特征及其“源—汇”效应

张飞飞，彭 康，张 芳

新疆焉耆盆地地表温度空间分布特征及其“源—汇”效应

张飞飞，彭 康，张 芳※

（1. 新疆大学地理与遥感科学学院，乌鲁木齐 830046；2. 新疆大学新疆绿洲生态重点实验室，乌鲁木齐 830046）

全球变暖和人类活动加剧会不断改变干旱区气候要素，进而影响绿洲的演化方向和宜居性。针对焉耆盆地当前观测条件不足、观测资料种类缺乏等问题，为探究干旱区局地气候变化规律及其影响因素，该研究利用单窗算法反演新疆焉耆盆地地表温度（Land Surface Temperature，LST），在分析地表温度空间分布特征和影响因素的基础上，结合“源—汇”理论定量探讨了焉耆盆地不同土地利用/覆被类型对地表温度的贡献。结果表明：1）土地利用/覆被类型决定地表温度的空间分布格局及其“源—汇”效应变化。未利用地热源效应最强，水体热汇效应最强。草地和建设用地对地表热环境影响不大，耕地的热汇效应大小取决于农业灌溉面积和作物生长状况；2）归一化植被指数（Normalized Difference Vegetation Index，NDVI）与地表温度呈负相关关系，NDVI每增加0.1，地表温度下降约1.98～2.66 ℃，湿地中的植被对地表温度的影响较小；3）坡度对盆地内海拔较低且坡度<13°的缓坡区影响最为显著（<0.01），随着坡度的增加，地表温度增加；4）冷岛效应形成绿洲近地表大气独特的热力结构。随着海拔升高，地表温度先快速升高，在距地面100～300 m高度形成一个高温中心，而后逐渐降低。6月末、7月初产生的大气逆温层厚度超过1 000 m。受逆温层影响，焉耆盆地绿洲距地表100～300 m高度范围内的坡向对太阳辐射的再分配作用消失。研究结果可为干旱区绿洲气候变化和可持续发展提供参考。

遥感；反演；地表温度；地形因子；土地覆被；“源—汇”效应；全球变化；单窗算法

0 引 言

干旱/半干旱地区约占地球表面的41%，供养着约38%的世界人口，随着全球变暖，其范围在21世纪将进一步扩大[1-3]。新疆位于中国西北内陆，远离海洋，周围有高大地形阻隔，降水量少，太阳辐射强，蒸发量大[4]，是中国面积最大的干旱区，对气候变化的响应极其敏感[5-6]。绿洲是干旱区所独有的人工生态景观[7-8]，夏季，绿洲的冷岛效应为干旱区的人们提供了适宜的生存条件[9]。近年来，人类活动不断改变着绿洲的土地利用/覆被状况[10-13]，进而改变绿洲的局地气候环境，影响绿洲的演化方向和宜居性[14-15]。

地表温度（Land Surface Temperature，LST）是地球表面和大气之间进行能量交换的重要参数，是研究和监测环境变化的一个重要工具[16-18]，同时也是人类研究地—气相互作用，地球各圈层之间物质能量流动机制的参数之一[19-20]，在城市热岛效应和绿洲冷岛研究中应用广泛[21-23]。新疆传统的气象观测站点分布稀疏，且多分布在距离城镇比较近的平原区，获得的气象数据往往难以反映整个区域温度空间分布与变化信息[24]。与传统气象站点观测相比，从卫星遥感数据反演LST具有空间覆盖密度大、连续性好、成本低等优点，是一种性价比较高的LST获取方式[25]。自20世纪60年代初发射TIROS-I卫星[26]以来及随着多种卫星数据的使用，研究者们提出了一系列LST反演算法，其中，代表性算法包括辐射传输方程法[27]、普适性单通道算法[28]、覃志豪单窗算法[29]、分裂窗算法[30]等。其中，覃志豪单窗算法简单易行、运用方便，是目前进行地表温度反演的主要算法。

影响LST的因素很多，除了宏观地理要素如经纬度、高大山脉走向、与大水体的距离等因素外，一个区域LST空间分布和热环境特征主要是区域小地形因子以及下垫面性质综合作用的结果。“源—汇”概念是生态过程/格局的重要概念之一，相关理论起源于全球变化和大气污染研究[31-32]。促进某对象产生的过程或机制为“源”，抑制某对象产生的过程或机制为“汇”[33]。近年来，有学者开始基于“源—汇”理论对城市热岛和景观格局进行分析和研究[34-35]，为减轻热岛效应、构建舒适的城市热环境提供指导。干旱区下垫面异质性强，不同土地利用/覆被类型在地表热环境中起着“热源”或者“热汇”的作用，而自然和人为因素的影响都可能引起其“源—汇”效应的变化和转移。因此，本研究将“源—汇”理论引入焉耆绿洲LST变化研究中，并将其与土地利用/覆被类型结合起来，为解译地表热环境变化的驱动机制提供了新视角。

新疆焉耆盆地作为中尺度典型的山地—绿洲—湖泊湿地相互耦合的生态系统，其独特的区域气候特征在干旱区具有代表性[36]。本文利用单窗算法反演LST，在分析其空间分布特征和影响因素的基础上，结合“源—汇”理论对土地利用/覆被影响LST变化的贡献度进行定量分析，以期为干旱区绿洲气候变化和可持续发展提供参考依据。

1 数据与方法

1.1 研究区概况

焉耆盆地位于新疆巴音郭勒蒙古自治州（图1），北纬41°40′～42°25′，东经85°55′～87°26′之间，东西长约200 km，南北宽约60～100 km。地势西高东低、北高南低，北部为洪积微斜平原，中部为博斯腾湖，东南为流动沙丘。研究区属于暖温带大陆性干旱半干旱气候，山地和绿洲区多年平均气温-4.84～8.60 ℃，多年降水量76.27～200.25 mm，多年蒸发量2 000～2 500 mm。

1.2 数据来源

根据可获取的遥感数据质量并结合研究区天然植被和作物生长规律，同时考虑太阳辐射强度的变化过程和日期间隔的相对均匀性，选取2000年5月28日、2006年6月22日、2014年6月12日、2021年7月1日共四期Landsat影像（http://glovis.gov/），空间分辨率30 m，数据行列号143/31。DEM数据来源于地理空间数据云（http://www.gscloud.cn），空间分辨率30 m。此外，本文还使用MOD11A1产品用于LST反演结果的对比验证。

图1 研究区示意图

1.3 研究方法

1.3.1 单窗算法反演地表温度

选择覃志豪单窗算法[29]进行LST反演。覃志豪单窗算法引入大气平均作用温度估算大气上行辐射，通过Planck辐射函数线性化可以得到如下计算公式：

T=[·(1--)+(·(1--)++)·T-·T]/（1）

=·（2）

=(1-)·[1+(1-)·]（3）

式中T为地表温度，K；、为中间变量；为地表比辐射率；为大气透过率；T是星上辐射亮度对应的亮度温度，K；、为常数，=-67.355 351，=0.458 606；T是大气平均作用温度，K，选择中纬度夏季的大气平均作用温度估算公式完成T的量化，由下式计算：

T=16.011 0+0.926 210（4）

式中0为近地层大气温度，K。

1.3.2 土地利用/覆被类型提取

使用最大似然法对4期影像进行土地利用/覆被类型分类，结合小斑块去除和目视解译进行分类后处理。研究区分为水体、耕地、建设用地、草地、湿地和未利用地（裸地、戈壁、沙地、盐碱地）6种土地利用/覆被类型。为确定遥感分类精度和可靠性，本研究主要采取构建混淆矩阵的方法进行精度验证，同时结合GlobeLand30数据集和谷歌地图对样本进行确认。4期总体分类精度分别为93%、88%、88%、90%，Kappa系数分别为0.93、0.82、0.82、0.85。

1.3.3 归一化植被指数（Normalized Difference Vegetation Index，NDVI）提取

根据干旱区植物生长特点，提取植被指数归一化植被指数（Normalized Difference Vegetation Index，NDVI）大于0.1[37]作为有植被分布区域，由于NDVI像元数据量很大，不便于图示，因此在Arcgis中设置等距网格提取NDVI像元子集，并将子集数据平均值与原始数据平均值进行对比，植被指数NDVI平均值偏差<0.1，温度偏差<0.01 ℃，数据特征一致。

1.3.4 地表温度空间分布特征分析

基于DEM数据，利用Arcgis空间分析功能提取研究区范围的高程、坡度、坡向数据，并对3种地形因子进行类别划分。对高程数据按照100 m间隔划分为13个高程带，分别提取每个高程带地表温度均值；对坡度数据利用自然间断点分级法分为5个坡度范围（0°～1.8°、>1.8°～5.4°、>5.4°～13°、>13°～23.7°、>23.7°～65.58°），并在每个坡度范围对不同高程区LST进行分区统计；对坡向数据按照八坡向分类：北（0°～22.5°和>337.5°～360°）、东北（>22.5°～67.5°）、东 （>67.5°～112.5°）、东南（>112.5°～157.5°）、南（>157.5°～202.5°）、西南（>202.5°～247.5°）、西（>247.5°～292.5°）和西北（>292.5°～337.5°），提取不同坡向LST均值。

1.3.5 地表温度“源—汇”效应计算

每一种土地利用/覆被类型在一定区域范围内充当着热源或热汇作用，地表温度“源—汇”景观指数（Identification of heat source and sink landscapes，HSI）可用于识别各土地利用/覆被类型的“源—汇”效应，采用文献[38]中的LST等级分类计算HSI和“源—汇”效应贡献度（Contribution Index，CI）。计算式如下：

HSI=(S/S)/(S/) （5）

式中S表示类土地利用类型中高和较高地表温度区的面积，km2；S表示类土地利用类型的总面积，km2；S是研究区内高和较高地表温度的总面积，km2；为研究区的总面积，km2。当HSI>1时，土地利用类型为源效应；当HSI<1时，土地利用类型为汇效应；当HSI＝1时，土地利用类型为流效应。

CI=(T-T)·S/（6）

式中T指研究区不同土地利用/覆被类型“源”/“汇”效应的平均地表温度，℃；T为研究区平均地表温度，℃；S为研究区不同土地利用/覆被类型“源”/“汇”效应的面积，km2。

2 结果与分析

2.1 地表温度反演结果及验证

研究区地表温度反演结果图见图2，使用与Landsat数据同日过境的MOD11A1地表温度产品进行精度验证[39]。在Arcgis中创建渔网选取随机样点（300个），对反演的地表温度与MODIS LST之间进行对比验证（图 3），决定系数分别为0.937、0.930、0.944、0.951，反演精度满足本研究的分析要求。

图2中，研究区LST空间异质性大，总体呈环形分布，中间水体、湿地及绿洲等区域温度较低，温度最低的是博斯腾湖水域，博斯腾湖周围沙地和山前戈壁滩温度较高。4期影像LST平均值分别为39.22、43.17、42.65、42.18 ℃。2000年5月28日的最高、最低温分别为62.03和15.28 ℃，在4期影像中均最小。LST高温最大值为66.45 ℃，出现在2006年6月22日（夏至次日）。低温最大值为20.65 ℃，出现在2021年7月1日。绿洲中心温度都低于周边裸岩，均呈现冷岛效应。

a. 2000-05-28b. 2006-06-22c. 2014-06-12d. 2021-07-01

a. 2000-05-28b. 2006-06-22c. 2014-06-12d. 2021-07-01

2.2 地表温度空间分布影响因素

2.2.1 土地利用/覆被类型与LST分布

从4期土地利用分类结果图（图4）看，水体主要为博斯腾湖及开都河等地表径流，耕地主要集中在博斯腾湖西侧平原区域，湿地主要分布在博斯腾湖西北部及西南部，草地分布在绿洲的边缘区域及博斯腾湖北部地区，未利用地主要分布在周围山地裸岩、戈壁和沙丘。

a. 2000-05-28b. 2006-06-22c. 2014-06-12d. 2021-07-01

土地利用/覆被类型决定了研究区LST的空间分布格局。从表1中可以看出，不同土地利用/覆被类型的LST均值具有明显差异。未利用地LST均值最高，其次为建设用地、草地、耕地、湿地，温度最低的是水体，未利用地的LST比水体平均高出23. 61 ℃，原因为水体比热容大于其他土地利用/覆被类型，良好的热惯性使水体温度最低。研究区湿地主要分布在水体周围，植被覆盖度较高，温度较低；耕地和草地的LST相差不大；未利用地比其他土地利用/覆被类型温度高，其原因是焉耆盆地未利用地主要由裸露岩石、博斯腾湖南面沙地及盐碱地构成，植被稀疏，特殊的地表质地导致升温快，因此地表温度最高。

2.2.2 植被指数NDVI对地表温度影响

研究区植被指数NDVI与LST的线性回归分析如图 5所示，不同时期NDVI与LST均呈负相关关系，植被指数NDVI增长时，地表温度降低，判定系数2分别为0.605、0.595、0.556、0.648，2021年7月1日拟合优化度最高。从回归方程来看，NDVI每增加0.1，地表温度分别下降2.66、2.54、1.98、2.46 ℃。植被因子对LST有影响的地类主要是耕地、草地和未利用地。湿地的NDVI最大值可达0.8以上，但是它与LST之间的关系较弱，经计算，4期影像的湿地NDVI与LST的判定系数平均值为0.245，说明湿地的冷岛效应主要是由淹水环境而非植被带来的。在非淹水环境中，耕地和草地中的植被因子是产生冷岛效应的主要因素，其降温作用的强弱取决于作物与草地植被的生长状况。通常情况下，干旱区夏季作物NDVI明显高于草地植被，因此，耕地的降温效应也高于草地。因为城镇绿地面积小，较分散，因此建设用地的植被降温作用也较弱。

表1 不同土地利用/覆被类型的地表温度

注：斜线为相关性分析趋势线；椭圆形框选区域为研究区湿地。

2.2.3 地形因素对地表温度空间分布的影响

1）海拔的影响。图6中，随着海拔的升高，4期影像LST的均值均表现出一致的规律性：先快速升高，然后逐渐降低。2000年5月28日、2014年6月12日在海拔1 123～1 223 m范围内，LST达到最大值，分别为44.95、47.33 ℃，海拔仅升高了100 m，但LST分别上升了8.11、6.94 ℃。2006年6月22日、2021年7月1日当海拔上升100 m时，温度迅速升高了9.27、9.36 ℃，之后，地表温度继续微升，在海拔1 223～1 323 m处地表温度达到最大值，分别为49.46、48.67 ℃，高温影响的海拔范围较前两期增加了约100 m。从约1 400 m处开始，随着海拔升高，LST逐渐降低，最小值分别为32.91、36.44、30.95、41.04 ℃。为量化研究区海拔升高对LST影响，提取各期LST达到最高值后逐渐下降的数据进行线性拟合（图6虚线框内）。可以看出海拔与LST均呈线性负相关，根据回归方程，海拔每增加100 m，温度分别下降1.15、1.17、1.21、0.71 ℃。LST在不同高程范围下降速率也不同，在1 223～1 823 m范围内呈快速下降趋势，海拔每升高100 m，温度分别下降1.40、0.92、0.93、0.75 ℃；在1 823～2 123 m高程内LST下降趋缓，海拔每升高100 m，温度分别下降0.07、0.12、0.21、0.03 ℃；海拔2 123 m以上时，LST下降速率加快，海拔每升高100 m，分别下降0.48、1.64、3.66、0.79 ℃。

2）坡度和坡向影响。从图7可以观察到，研究区内坡度四周高，中间低，北部、西南部及南部沙地出现坡度高值中心，博斯腾湖及绿洲区域为坡度低值区。从图 8a中可以看出，在海拔低于1 252 m范围内，LST随着坡度增大而增加。其中坡度<13°时，增速最快，并且海拔越低增速越快。由于水体的坡度最小，因此，当低海拔的坡度为0°～1.8°时，LST最低，为36.4 ℃，低海拔处，当坡度为23.7°～65.58°时，LST最高，为55.8 ℃。海拔高于1 252 m后，坡度对LST的影响变弱，表现为随着坡度的增加，LST平缓降低。

a. 2000-05-28b. 2006-06-22c. 2014-06-12d. 2021-07-01

注：虚线框内为温度到达最高点后随着海拔升高逐渐下降的过程。

Note: The dashed box shows the temperature up to the point where it reaches a maximum and then gradually decreases with altitude.

图6 地表温度与海拔的关系

Fig.6 Relationship between LST and altitude

图7 焉耆盆地坡度、坡向分类图

从图8b可以看出，海拔低于1 121 m以及海拔高于1 444 m的区域，东南坡、南坡LST均值较高，西坡、西北坡、北坡LST均值较低。其中，1 023～1 121 m，东南坡和南坡LST最高，为42.85 ℃，西北坡LST最低，为41.68 ℃，温度相差1.17 ℃；1 444～1 696 m，南坡LST最高，为44.32 ℃，西北坡LST最低，为41.53 ℃，温度相差2.79 ℃；1 696～2 255 m，南坡LST最高，为41.47 ℃，西北坡LST最低，为39.01 ℃，温度相差2.46 ℃，这些特征符合北半球中纬度地区坡向对太阳辐射的再分配原理。但是，在高于研究区高程基点（海拔1 023 m）之上100～300 m高度范围内，坡向对LST的影响不大；在海拔1 121～1 252 m、1 252～1 444 m范围内，坡向对LST的影响不大，各个坡向LST均值分别仅相差0.68、0.73 ℃，甚至阳坡与阴坡相比温度略低。产生这种特殊LST分布现象的原因可以归结为：1） 塔克拉玛干沙漠的影响。焉耆盆地的南部山地有一个宽约50 km的缺口，缺口以南直面浩瀚的塔克拉玛干大沙漠，干热的沙漠空气在盛行风向和局地温压场的作用下长驱直入，对焉耆盆地南部的北坡特别是博斯腾湖南部沙丘产生了加热效应；2）绿洲冷岛效应叠加。绿洲冷岛结构会使周围的干热空气抬升，在绿洲上空200 m左右处形成一个稳定的逆温层，这种“映像热中心”现象[40-41]在图 8b中表现明显。

2.3 地表温度的“源—汇”效应

表2列出了4期影像不同土地利用/覆被类型基于LST的“源—汇”效应判别结果。可以看出，水体、耕地、湿地的HSI值<1，在地表温度变化中属于“汇”效应，未利用地、建设用地HSI值>1，在地表温度变化中属于“源”效应。草地HSI值≈1，属于流效应，对研究区地表热环境影响不大。HSI值从大到小依次为未利用地、建设用地、草地、耕地、湿地、水体，其平均值分别为2.61、1.50、1.02、0.41、0.11和0.02。

表2计算了不同土地利用/覆被类型在不同时期对地表温度的贡献强度。CI为正值反映了该土地利用/覆被类型对焉耆盆地内单位面积地表温度贡献的增温量，负值则代表该土地利用/覆被类型对焉耆盆地内单位面积地表温度贡献的降温量。从表2中可以看出，未利用地是研究区最大的热源，在不同日期的贡献度均为正值，其对研究区每平方千米地表温度产生的增温量分别为2.49、4.15、2.73、1.65 ℃，6月底热源效应最强。水体、耕地、湿地在不同时期的贡献度均为负值，对地表温度具有降温效应，降温程度总体上依次递减。水体对研究区产生的单位面积降温量分别为1.92、1.79、1.82、0.19 ℃，湿地分别为0.83、0.69、0.48、0.35 ℃；耕地分别为0.30、1.39、0.49、1.08 ℃；建设用地虽然有较强的热源效应，但是由于面积占比很小，对研究区地表温度影响也较小，贡献度分别为0.02、-0.02、0.01、-0.01 ℃。

综上可知，对焉耆盆地的夏季而言，戈壁、沙漠等未利用地的热源效应最强，水体的热汇效应最强，草地和建设用地对研究区地表热环境影响不大，耕地的热汇效应大小取决于农业灌溉面积和作物生长状况。

表2 地表温度“源—汇”效应及贡献度

注：HSI为地表温度“源—汇”景观指数。

Note: HSI is the identification of heat source and sink landscapes.

3 讨 论

关于地表温度空间分布格局。适宜的温度、充足的水源、肥沃的土壤等自然条件是人类生存的基础。对于新疆环塔克拉玛干沙漠的绿洲来说，夏季的高温是影响宜居性的主要胁迫因素之一。苏从先等[40]的研究结果表明处于广阔的戈壁滩或沙漠中的绿洲在夏季生长季节作为一个“冷源”，将产生一系列绿洲小气候特征。焉耆盆地传统的气象观测地面站仅有1个，对地表热环境进行动态监测的能力十分有限，也无法探测近地表大气热力结构变化。本研究利用遥感数据对焉耆盆地夏季地表温度进行反演，4期影像表明随着海拔升高，地表温度先快速升高，在距地面100～300 m高度形成一个高温中心，而后逐渐降低，结果很好地展示出绿洲上空大气热力结构的内边界特征，这与王俊勤等[41]进行的大型陆面过程野外观测试验一致：夏季绿洲冷岛效应将周围沙漠戈壁的热空气抬升到200 m左右高度形成逆温层，之上会产生一个映像热中心。在本研究中（图6），2000年5月28日和2014年6月12日，温度最大值出现在距地面高度约100 m处（海拔1 123 m），逆温层厚度约600～900 m（降到与地面相同温度）。2006年6月22日和2021年7月1日，最高温度出现在距地面高度约200 m处（海拔1 223 m），逆温层厚度超过1 000 m，这个“映像热中心”效应也明显改变了该范围内坡向对太阳辐射的再分配作用规律（图8b）。这种干旱区夏季由于冷岛效应将热空气抬升到绿洲上空的逆温现象在大尺度盆地或者开放地形环境下很难通过遥感手段被准确探测和量化。本研究利用遥感手段，填补了焉耆盆地当前观测条件不足、观测资料种类缺乏的空白。

关于地表温度的“源—汇”效应。湿地的热汇效应主要是由水的高比热容造成的，湿地中植被的热汇作用较小（图5）。陆地的热汇效应主要是由作物植被产生的，其热汇效应与生长期有关，非生长期，热汇效应消失。近20年来，随着社会经济的发展，研究区耕地迅速扩张，热汇效应明显增强（图 4），但是农业用水的增加可能导致地表水体的缩小，使得水体热汇效应下降[42]。从另一个角度来看，如果采用节水灌溉，提高水资源利用效率，则可能获得较高净热汇增加。因此，对于焉耆盆地而言，土地利用/覆被变化对绿洲地表热环境的变化起着主导作用，量化不同土地覆被类型间“源—汇”效应的转移与平衡关系仍需进一步的研究，其中的核心问题是水资源的合理利用。

4 结 论

1）土地利用/覆被类型决定了研究区地表温度的空间分布格局及其“源—汇”效应变化与转移。对研究区而言，未利用地的热源效应最强，水体的热汇效应最强。草地和建设用地因面积占比小对研究区地表热环境影响不大，耕地的热汇效应大小取决于农业灌溉面积和作物生长状况。

2）归一化植被指数（Normalized Difference Vegetation Index，NDVI）与地表温度呈负相关关系，NDVI每增加0.1，地表温度（Land Surface Temperature，LST）下降约1.98～2.66 ℃。湿地的NDVI与LST之间的关系较弱，说明湿地的冷岛效应是由淹水环境而非植被带来的。在非淹水环境中，耕地和草地的植被因子是产生冷岛效应的主要原因。

3）冷岛效应形成了焉耆盆地绿洲上空大气独特的热力结构，其影响表现在：随着海拔升高，地表温度先快速升高，在100～300 m高度形成一个高温中心，而后逐渐降低。6月末、7月初产生的逆温层厚度超过1 000 m。受逆温层影响，海拔100～300 m高度范围内的坡向对太阳辐射的再分配作用消失。

[1] Chen Y N, Li Y P, Li Z, et al. Analysis of the impact of global climate change on dryland areas[J]. Advances in Earth Science, 2022, 37(2): 111.

[2] Shiran M, Mozzi P, Adab H, et al. Remote sensing assessment of changes of surface parameters in response to prolonged drought in the arid zone of central Iran (Gavkhoni playa)[J]. Remote Sensing Applications: Society and Environment, 2021, 23: 100575.

[3] Zhuang Q, Wu S, Yan Y, et al. Monitoring land surface thermal environments under the background of landscape patterns in arid regions: A case study in Aksu River Basin[J]. Science of the Total Environment, 2019, 710: 136336.

[4] 冉津江，季明霞，黄建平，等. 中国北方干旱区和半干旱区近60年气候变化特征及成因分析[J]. 兰州大学学报（自然版），2014，50(1)：46-53.

Ran Jinjiang, Ji Mingxia, Huang Jianping, et al. Characteristics and factors of climate change in arid and semi-arid areas over Northern China in the recent 60 years[J]. Journal of Lanzhou University (Natural Science), 2014, 50(1): 46-53. (in Chinese with English abstract)

[5] Yao J, Chen Y, Guan X, et al. Recent climate and hydrological changes in a mountain–basin system in Xinjiang, China[J]. Earth-Science Reviews, 2022, 226: 103957.

[6] Chen Y, Zhang X, Fang G, et al. Potential risks and challenges of climate change in the arid region of northwestern China[J]. Regional Sustainability, 2020, 1(1): 20-30.

[7] Liu C, Zhang F, Johnson V C, et al. Spatio-temporal variation of oasis landscape pattern in arid area: Human or natural driving?[J]. Ecological Indicators, 2021, 125: 107495.

[8] 张强，胡隐樵. 绿洲地理特征及其气候效应[J]. 地球科学进展，2002(4)：477-486.

Zhang Qiang, Hu Yinqiao. The geographical features and climatic effects of oasis[J]. Advance in Earth Sciences, 2002(4): 477-486. (in Chinese with English abstract)

[9] Vivoni E R, Kindler M, Wang Z C, et al. Abiotic mechanisms drive enhanced evaporative losses under urban oasis conditions[J]. Geophysical Research Letters, 2020, 47(22).

[10] 夏鑫鑫，朱磊，杨爱民，等. 基于山地—绿洲—荒漠系统的生态系统服务正负价值测算—以新疆玛纳斯河流域为例[J]. 生态学报，2020，40(12)：3921-3934.

Xia Xinxin, Zhu Lei, Yang Aimin, et al. Evaluate the positive and negative value of ecosystem services based on Mountain-Desert-Oasis system(MODS): A case study of Manas River Basin in Xinjiang[J]. Acta Ecologica Sinica, 2020, 40(12): 3921-3934. (in Chinese with English abstract)

[11] 卢龙辉，瓦哈甫·哈力克，黄玲. 近40年克里雅绿洲人口时空变化对土地利用/覆盖变化的影响[J]. 农业工程学报，2018，34(11)：234-242.

Lu Longhui, Wahap Halik, Huang Ling. Effect of temporal and spatial changes of population on land use and cover change in Keriya Oasis in past 40 years[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(11): 234-242. (in Chinese with English abstract)

[12] 宋奇，冯春晖，马自强，等. 基于1990—2019年Landsat影像的干旱区绿洲土地利用变化与模拟[J]. 自然资源遥感，2022，34(1)：198-209.

Song Qi, Feng Chunhui, Ma Ziqiang, et al. Simulation of land use change in oasis based on Landsat images from 1990-2019[J]. Remote Sensing for Natural Resources, 2022, 34(1): 198-209. (in Chinese with English abstract)

[13] 王昱丁. 人类活动干扰下的西北干旱区绿洲迁移演化研究[D].北京：清华大学，2018.

Wang Yuding. Evolution of Oases under Human Interference in Arid Northwest China[D]. Beijing: Tsinghua University, 2018. (in Chinese with English abstract)

[14] 罗凤敏，高君亮，辛智鸣，等. 乌兰布和沙漠东北部不同下垫面的小气候变化特征[J]. 农业工程学报，2020，36(10)：124-133.

Luo Fengmin, Gao Junliang, Xin Zhiming, et al. Microclimate variations of different underlying surfaces in Northeastern Ulan Buh Desert in lnner Mongolia of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(10): 124-133. (in Chinese with English abstract)

[15] 曹永香，毛东雷，蔡富艳，等. 新疆策勒绿洲化进程中典型下垫面的小气候空间差异[J]. 中国沙漠，2020，40(6)：180-189.

Cao Yongxiang, Mao Donglei, Cai Fuyan, et al. Spatial difference of microclimate over typical underlying suface in process of oasisization in Cele, Xinjiang[J]. Journal of Desert Research, 2020, 40(6): 180-189. (in Chinese with English abstract)

[16] 苏扬，吴鹏海，程洁，等. AMSR-E地表温度数据重建深度学习方法[J]. 遥感学报，2022，26(4)：739-751.

Su Yang, Wu Penghai, Cheng Jie, et al. Research on deep learning methods for AMSR-E land surface temperature data reconstruction[J]. National Remote Sensing Bulletin, 2022, 26(4): 739-751. (in Chinese with English abstract)

[17] 热伊莱·卡得尔，玉素甫江·如素力，高倩，等. 新疆焉耆盆地地表温度时空分布对LUCC的响应[J]. 农业工程学报，2016，32(20)：259-266.

Reyilai Kadeer, Yusupujiang Rusuli, Gao Qian, et al. Spatiotemporal response of land surface temperature to landuse/cover change in Yanqi Basin, Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(20): 259-266. (in Chinese with English abstract)

[18] Wang Y R, Hessen D O, Samset B H, et al. Evaluating global and regional land warming trends in the past decades with both MODIS and ERA5-Land land surface temperature data[J]. Remote Sensing of Environment, 2022, 280: 113181.

[19] Ra A, Cstk A, Ebd A, et al. Exploring the relationship between urban form and land surface temperature (LST) in a semi-arid region case study of Ben Guerir city - Morocco[J]. Environmental Challenges, 2021, 5: 100229.

[20] Garajeh M K, Feizizadeh B. A comparative approach of data-driven split-window algorithms and MODIS products for land surface temperature retrieval[J]. Applied Geomatics, 2021, 13(4): 715-733.

[21] 耿树丰，任嘉义，杨俊，等. 局地气候区视角下的城市热环境研究[J]. 生态学报，2022，42(6)：2221-2227.

Geng Shufeng, Ren Jiayi, Yang Jun, et al. Exploration of urban thermal environment based on local climate zone[J]. Acta Ecologica Sinica, 2022, 42(6): 2221-2227. (in Chinese with English abstract)

[22] 王爽，王承武，张飞云. 基于FSDAF模型的干旱区典型绿洲城市夏季地表热岛效应时空演变研究[J]. 干旱区地理，2021，44(1)：118-130.

Wang Shuang, Wang Chengwu, Zhang Feiyun. Spatiotemporal variations of the summer daytime surface urban heat island of oasis city in arid area based on FSDAF model[J]. Arid Land Geography, 2021, 44(1): 118-130. (in Chinese with English abstract)

[23] Zhou Y, Liao W, Li X. The contributions of individual factors to the oasis cold island effect intensity in the Heihe River Basin[J]. Agricultural and Forest Meteorology, 2022, 312: 108706.

[24] Du M X, Zhang M J, Wang S G, et al. Near-surface air temperature lapse rates in Xinjiang, northwestern China[J]. Theoretical and applied climatology, 2018, 131(3): 1221-1234.

[25] 吴骅，李秀娟，李召良，等. 高光谱热红外遥感：现状与展望[J]. 遥感学报，2021，25(8)：1567-1590.

Wu Hua, Li Xiujuan, Li Zhaoliang, et al. Hyperspectral thermal infrared remote sensing:Current status and perspectives[J]. National Remote Sensing Bulletin, 2021, 25(8): 1567-1590. (in Chinese with English abstract)

[26] Menzel W P, Schmit T J, Zhang P, et al. Satellite-basedatmospheric infrared sounder development and applications[J]. Bulletin of the American Meteorological Society, 2018, 99(3): 583-603.

[27] Weng Q, Lu D, Schubring J. Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies[J]. Remote sensing of Environment, 2004, 89(4): 467-483.

[28] Jiménez‐Muñoz J C, Sobrino J A. A generalized single‐channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research: Atmospheres, 2003, 108(D22): 4688-4695.

[29] 覃志豪，Zhang Minghua，Arnon Karnieli，等. 用陆地卫星TM6数据演算地表温度的单窗算法[J]. 地理学报，2001，56(4)：456-466.

Qin Zhihao, Zhang Minghua, Arnon Karnieli, et al .Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data[J]. Acta Geographica Sinica, 2001, 56(4): 456-466. (in Chinese with English abstract)

[30] Wan Z, Dozier J. A generalized split-window algorithm for retrieving land-surface temperature from space[J]. IEEE Transactions on Geoscience and Remote Sensing, 1996, 34(4): 892-905.

[31] 杨元合，石岳，方精云，等. 中国及全球陆地生态系统碳源汇特征及其对碳中和的贡献[J]. 中国科学: 生命科学，2022，52(4)：534-574.

Yang Yuanhe, Shi Yue, Fang Jingyun, et al. Terrestrial carbon sinks in China and around the world and their contribution to carbon neutrality[J]. Scientia Sinica Vitae, 2022, 52(4): 534-574. (in Chinese with English abstract)

[32] 赵宁，周蕾，庄杰，等. 中国陆地生态系统碳源/汇整合分析[J]. 生态学报，2021，41(19)：7648-7658.

Zhao Ning, Zhou Lei, Zhuang Jie, et al. Integration analysis of the carbon sources and sinks in terrestrial ecosystems,China[J]. Acta Ecologica Sinica, 2021, 41(19): 7648-7658. (in Chinese with English abstract)

[33] 侯双双. 基于“源—汇”景观理论的景观格局演变机制研究[D]. 贵阳：贵州大学，2021.

Hou Shuangshuang. Research on the Evolution Mechanism of Landscape Pattern Based on “Source-sink” Landscape Theory[D]. Guiyang: Guizhou University, 2021. (in Chinese with English abstract)

[34] 李玉杰，马昊，邓涛，等. 基于“源-汇”理论的海口城市景观格局与热岛效应响应机制[J]. 西北林学院学报，2021，36(5)：223-232.

Li Yujie, Ma Hao, Deng Tao, et al. Urban landscape pattern and response mechanism of heat island effect based on “source-sink” theory of Haikou City[J]. Journal of Northwest Forestry University, 2021, 36(5): 223-232. (in Chinese with English abstract)

[35] 高静，龚健，李靖业. “源—汇”景观格局的热岛效应研究—以武汉市为例[J]. 地理科学进展，2019，38(11)：1770-1782.

Gao Jing, Gong Jian, Li Jingye. Effects of source and sink landscape pattern on land surface temperature: An urban heat island study in Wuhan City[J]. Progress in Geography, 2019, 38(11): 1770-1782. (in Chinese with English abstract)

[36] 贾海霞. 不同气候情景对焉耆盆地土地利用变化下土壤有机碳储量影响的模拟研究[D]. 兰州：兰州大学，2020.

Jia Haixia. Simulation Researsh for Impact in Different Climate Scenarios on Soil Organic Carbon Storage under Land Use Change in Yanqi Basin[D]. Lanzhou: Lanzhou University, 2020. (in Chinese with English abstract)

[37] Zhang F, Wang C, Wang Z H. Response of natural vegetation to climate in dryland ecosystems: A comparative study between Xinjiang and Arizona[J]. Remote Sensing, 2020, 12(21): 3567.

[38] 吴健生，何海珊，胡甜. 地表温度“源—汇”景观贡献度的影响因素分析[J]. 地理学报，2022，77(1)：51-65.

Wu Jiansheng, He Haishan, Hu Tian. Analysis of factors influencing the “source-sink” landscape contribution of land surface temperature[J]. Acta Geographica Sinica, 2022, 77(1): 51-65. (in Chinese with English abstract)

[39] 史新，周买春，刘振华，等. 基于Landsat 8数据的3种地表温度反演算法在三河坝流域的对比分析[J]. 遥感技术与应用，2018，33(3)：465-475.

Shi Xin, Zhou Maichun, Liu Zhenhua, et al. Comparative analysis on three land surface temperature inversion algorithm based on Landsat 8 data over Sanheba Basin[J]. Remote Sensing Technology and Applications, 2018, 33(3): 465-475. (in Chinese with English abstract)

[40] 苏从先，胡隐樵，张永丰，等. 河西地区绿洲的小气候特征和“冷岛效应”[J]. 大气科学，1987(4)：390-396.

Su Congxian, Hu Yinqiao, Zhang Yongfeng, et al. The microclimatic character and “cold island effect” overtheoasis in Hexi region[J]. Scientia Atmosphrica Sinica, 1987(4): 390-396. (in Chinese with English abstract)

[41] 王俊勤，胡隐樵，陈家宜，等. HEIFE区边界层某些结构特征[J]. 高原气象，1994(3)：76-83.

Wang Junqin, Hu Yinqiao, Chen Jiayi, et al. Some characteristics of planetary boundary layer over HEIFE area[J]. Plateau Meteorology, 1994(3): 76-83. (in Chinese with English abstract)

[42] 伊丽努尔·阿力甫江，海米提·依米提，麦麦提吐尔逊·艾则孜，等. 1958—2012年博斯腾湖水位变化驱动力[J].中国沙漠，2015，35(1)：240-247.

Ilnyr Ghalip, Hamid Yimit, Mamattursun Eziz, et al. The driving forces of the Bosten Lake water level variations in 1958-2012[J]. China Desert, 2015, 35(1): 240-247. (in Chinese with English abstract)

Spatial distribution characteristics of land surface temperature and its “source-sink” effect in Yanqi Basin, Xinjiang

Zhang Feifei, Peng Kang, Zhang Fang※

(1.,,830046,;2.,,830046,)

Global warming and human activities have posed a great threat to the climatic elements in drylands. The very fragile ecosystem is also highly sensitive to natural and anthropogenic disturbances. It is a serious risk to the evolutionary direction and habitability of oases in recent years. Among them, the Land Surface Temperature (LST) is one of the most important parameters to evaluate the interaction and energy exchange between the earth and the atmosphere. The spatial pattern of the surface temperature and the thermal environment in a region can be attributed to the combined effect of the regional small terrain factors and the properties of underlying surfaces. It is a high demand to explore the spatial distribution of the LST and the "source-sink" effect in the dryland oases, particularly for the local climate change patterns and the influencing factors in the arid regions. However, the oases cold island has put a great challenge on the temperature inversion and high-temperature center using remote sensing in the large-scale basins or open terrain regions. This study aims to analyze the spatial distribution of LST and the influencing factors in the Yanqi Basin in Xinjiang of China. The Mono-window algorithm was also utilized in this case. A quantitative analysis was performed to determine the contribution of the “source-sink” effect in the different land use/cover types to the LST change. The results showed that: 1) The land use/cover type was determined by the spatial distribution pattern of surface temperature and the “source-sink” effect. There was the strongest heat source in the unused lands. The strongest heat sink was observed in the water bodies. There was little influence of grasslands and construction lands on the land surface thermal environment. The intensity of the heat sink effect in the croplands depended mainly on the area of agricultural irrigation and crop growth conditions. 2) The Normalized Difference Vegetation Index (NDVI) was negatively correlated with the LST. The surface temperature decreased by about 1.98 to 2.66 ℃ for every 0.1 increase in NDVI. However, more effects of thevegetation were found on the surface temperature in the cultivated, grassland, and unused land. Less effect of the vegetation was observed in the wetlands. There was also a smaller cooling effect on the vegetation in the construction lands, due to the relatively small proportion of green space in the towns and cities. 3) The slope presented the most significant impact on the gentle slope areas less than 13° at the lower elevation in the basin. The LST increased rapidly with the increase of the slope. There was a weaker effect of slope on the LST at altitudes higher than 1 252 m. The LST decreased gently with the increase of slope. 4) The cold island effect also created a unique thermal structure of the near-surface atmosphere over the Yanqi Basin Oasis. Specifically, the surface temperature rose rapidly at first, with a high-temperature center at the height of 100 to 300 m from the ground, and then gradually decreased, as the altitude rose. The atmospheric temperature inversion layer was generated on June 22. The thickness then exceeded 1 000 m on July 1. The redistribution of the slope direction on the solar radiation disappeared within the height range of 100-300 m above the Yanqi Basin Oasis surface. This absence was attributed to the high-temperature center. This finding can fill the gap in the observation data in the Yanqi Basin in Xinjiang of China.

remote sensing; inversion; land surface temperature; topographic factors; land cover types; “source-sink” effect; global change; Mono-window algorithm

10.11975/j.issn.1002-6819.2022.16.017

TP79

A

1002-6819(2022)-16-0153-09

张飞飞，彭康，张芳. 新疆焉耆盆地地表温度空间分布特征及其“源—汇”效应[J]. 农业工程学报，2022，38(16)：153-161.doi：10.11975/j.issn.1002-6819.2022.16.017 http://www.tcsae.org

Zhang Feifei, Peng Kang, Zhang Fang. Spatial distribution characteristics of land surface temperature and its “source-sink” effect in Yanqi Basin, Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(16): 153-161. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.16.017 http://www.tcsae.org

2022-06-15

2022-08-12

国家自然科学基金（41761041）

张飞飞，研究方向为干旱区环境演变与人地关系。Email：zhangff@outlook.com

张芳，博士，教授，研究方向为干旱区环境演变与人地关系。Email：zhangf602@163.com